买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉四川大学申请的专利基于多尺度高阶自注意力的由粗到细骨龄回归方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117115574B 。

龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311095848.2，技术领域涉及：G06V10/766；该发明授权基于多尺度高阶自注意力的由粗到细骨龄回归方法是由高绍兵;吴冠宇设计研发完成，并于2023-08-28向国家知识产权局提交的专利申请。

本基于多尺度高阶自注意力的由粗到细骨龄回归方法在说明书摘要公布了：本发明公开了一种基于多尺度高阶自注意力的由粗到细骨龄回归方法，首先提取原始手骨图像的多尺度特征和多尺度全局自注意力响应图，将后者和原始手骨图像的降采样特征融合，得到融合特征输入到回归模块中，在回归模块中计算自适应三联体损失，得到骨龄回归值和计算骨龄的MSE损失，调整模型参数，在原始数据集上进行模型训练，之后将原始数据集输入主干网络，提取图像的高维表征送入K均值聚类算法，将数据集聚类为多个年龄段，最后将各年龄段数据送入多个原始主干网络，训练多个回归模型，得到各年龄段的骨龄预测值。本发明的方法能够有效地执行青少年左手手骨回归检测，为临床计算机骨龄回归应用场景提供一种通用、高效的回归模型和回归框架。

本发明授权基于多尺度高阶自注意力的由粗到细骨龄回归方法在权利要求书中公布了：1.一种基于多尺度高阶自注意力的由粗到细骨龄回归方法，具体步骤如下： S1、将带有真实骨龄标签的原始手骨图像输入主干网络中，提取原始手骨图像的多尺度特征和多尺度全局自注意力响应图； S2、将多尺度全局自注意力响应图和原始手骨图像的降采样最终特征融合，得到多尺度融合特征，并将其输入到损失函数计算和回归模块中； S3、在回归模块中计算自适应三联体损失，并通过两层全连接层得到最终的骨龄回归值和计算骨龄的MSE损失； S4、调整模型参数，在原始数据集上进行模型训练；训练完成之后将原始数据集输入主干网络，从最终的两层全连接层处提取图像的高维表征； S5、将原始数据集的高维表征送入K均值聚类算法，使用无监督的方式将数据集聚类为多个年龄段； S6、将各年龄段数据送入多个原始主干网络，重复步骤S1至S3过程，训练多个原始主干网络，最终得到各年龄段的骨龄预测值； 所述步骤S1具体如下： 提取的原始手骨图像的多尺度特征X1、X2、X3、X4和多尺度全局自注意力响应图C1、C2、C3、C4，具体如下： Xi+1＝StagesXi1 其中，Stages表示堆叠的卷积神经网络层和批归一化层，Xi表示第i层次的尺度特征图，i＝1，2，3，4； 将层级特征Xi经过块嵌入层PE得到查询矩阵Qi、键矩阵Ki和值矩阵Vi，表达式如下： Qi＝PEQXi2 Ki＝PEKXi3 Vi＝PEVXi4 其中，PE表示块嵌入层PatchEmbedding，由全连接层构成；块嵌入尺寸遵循： PN＝P12N-15 其中，P表示图像块，P1的值为16×16像素，N表示全局特征建模模块中的层次，N＝1，2，3，4； 再用得到的查询矩阵Qi、键矩阵Ki和值矩阵Vi计算单个高阶自注意力头： 其中，表示分别计算自注意力过程中的三个线性变化矩阵，具备相同的维度，Hu表示单个高阶自注意力头的计算结果，在该工作中，u＝1，2，…，8；A通过下式定义： 其中，T表示矩阵转置操作，且表示归一化变化尺度，为一个常量；Softmax表示多类别分类问题中的常用最大值传输函数； 再将计算的单个高阶自注意力头进行任意空间维度的拼接，得到该层次的全局特征融合特征Ci： Ci＝ConcatateH1,H2,…,Hu8 其中，Concatate表示对特征图进行空间上的拼接操作。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人四川大学，其通讯地址为：610000 四川省成都市武侯区一环路南一段24号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。